پلتفرم CRESt: AI که از داده‌های چندمنظوره یاد می‌گیرد و مواد جدید کشف می‌کند

محققان در یک همکاری بین‌المللی، پلتفرم هوش مصنوعی پیشرفته‌ای با نام CRESt معرفی کرده‌اند که قادر است از داده‌های چندمنظوره در حوزه علم مواد یاد بگیرد و به کشف مواد جدید با ویژگی‌های بهینه کمک کند. این پلتفرم ترکیبی از یادگیری ماشین، یادگیری عمیق و شبیه‌سازی‌های مولکولی است و به دانشمندان امکان می‌دهد ترکیب‌های شیمیایی و ساختارهای بلوری جدید را سریع‌تر از روش‌های سنتی شناسایی کنند. یکی از ویژگی‌های برجسته CRESt، توانایی ادغام داده‌های مختلف شامل مشخصات شیمیایی، داده‌های تجربی آزمایشگاهی و شبیه‌سازی‌های مولکولی است. این قابلیت باعث می‌شود الگوریتم بتواند الگوهای پیچیده را در سطح مولکولی تشخیص داده و پیش‌بینی کند که یک ترکیب جدید چه خواصی خواهد داشت، از جمله پایداری حرارتی، رسانایی الکتریکی و واکنش‌پذیری شیمیایی. در آزمایش‌های اولیه، CRESt توانست چندین ترکیب نوآورانه را در زمینه باتری‌های لیتیومی، ابررساناها و مواد فوتونیک پیشنهاد دهد که پس از ارزیابی آزمایشگاهی، بیش از ۷۵٪ پیش‌بینی‌ها با نتایج واقعی همخوانی داشتند. این نرخ موفقیت نشان‌دهنده دقت بالای مدل و توانایی آن در کاهش زمان و هزینه تحقیق و توسعه در صنایع پیشرفته است. به گفته دکتر لیو چنگ، محقق اصلی پروژه از MIT و دانشگاه کمبریج، این پلتفرم «می‌تواند چرخه طراحی و آزمایش مواد جدید را از چند سال به چند ماه کاهش دهد و نوآوری در حوزه علم مواد را به شکل چشمگیری تسریع کند». علاوه بر این، CRESt از قابلیت یادگیری چندمنظوره (Multimodal Learning) بهره می‌برد؛ به این معنا که می‌تواند همزمان از داده‌های عددی، تصویری و متنی یاد بگیرد و آن‌ها را در مدل‌های پیش‌بینی خود به کار گیرد. این ویژگی امکان تحلیل جامع و هم‌زمان پارامترهای مختلف را فراهم می‌کند، چیزی که پیش از این برای پژوهشگران بسیار زمان‌بر و دشوار بود. پلتفرم CRESt قرار است به‌صورت متن‌باز و با دسترسی رایگان برای دانشگاه‌ها و مراکز تحقیقاتی عرضه شود و انتظار می‌رود موج جدیدی از نوآوری‌های علمی در حوزه مواد و مهندسی را ایجاد کند. منبع: MIT News – “CRESt: AI Platform Accelerates Discovery of New Materials,” September 2025 https://news.mit.edu